Bioleaching of rare earth elements (REEs) from Indonesian red mud by the bacterium <i>Bacillus nitratireducens</i> strain SKC/L-2
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Red mud, a residue of the bauxite industry, represents a secondary source of rare earth elements (REEs) with substantial commercial value and untapped potential. Bioleaching, an innovative, cost-effective, and environmentally friendly method, offers a means of extracting valuable metals from mining wastes. This study explored the bioleaching of Indonesian red mud using Bacillus nitratireducens strain SKC/L-2 to recover REEs. The experiments were carried out over three days at 25 °C with different concentrations of red mud (1.5, 3, and 6 g/L) and a 10% v/v bacterial inoculum in a specific bioleaching medium. The findings indicated a slight reduction in REEs extraction by the bacterium as the red mud concentration increased from 1.5 to 6 g/L in the direct bioleaching process. In the experiment using 1.5 g/L red mud, 16 REEs were successfully extracted, with high extraction levels for specific elements such as Lu (92.0%), Tb (80.61%), and Gd (67.42%). However, when the red mud concentration was increased to 6 g/L, the survival potential of Bacillus nitratireducens strain SKC/L-2 decreased, leading to reduced recovery of elements such as Lu (76.80%), Tb (70.30%), and Gd (55.83%). The study reveals the behaviour of Bacillus nitratireducens in interacting with red mud and enduring high alkalinity, resulting in REEs extraction. These findings enhance the understanding of microbial interactions with red mud and provide insights into potential resource recovery applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle